help анализ частоты осложнений, логистическая регрессия и все, все, все, анализ данных Опции

[DrgLena]

Уважаемые, форумчане!
В ваших статистических изысканиях, не встречалась ли вам информация о использовании формулы Ферстера для сравнения числа осложнений возникающих после двух медицинских вмешательств. При этом используется понятие неопределенность системы, снижение неопределенности. Описано, как делали, есть формула, но нет ссылки на используемую литературу. Диссертация в которой это используется уже защищена и я повторила расчет для своих данных, но не могу работать без ссылки на математический источник. Может быть подскажете другие статистические форумы, где это могут знать.

[плав]

Что касается терминологии, то тут могут быть разные точки зрения. Мне кажется, что лучше использовать слова откорректированные и не откорректированные отношения шансов, поскольку самое главное ради чего делается многомерный анализ - выделить независимое от других показтелей влияние данного фактора на исход, откорректировать различия между группами по всем факторам, кроме анализируемого. Слово "коррекция" в данной ситуации кажется более очевидным, чем "согласование"
Что касается же создания прогностического теста, то сама логистическая регрессия очень часто используется для создания прогностических шкал (одной из первых была Фрмингемская шкала риска развития ССЗ). При этом используется, естественно, не сам анализ характеристических кривых (ибо он приспособлен для сравнения разных источников информации - откуда и название - тест вроде бы был сконструирован во время второй мировой войны для определения способности различать сигнал на фоне шума при радиопередачах разный _характер_ восприятия информации в зависимости от силы сигнала и размера шума). Строго говоря, для создания прогностической шкалы берут проспективно полученные данные, затем ищут точку наилучшего разделения (чаще всего ту, что ближе всего к левому верхнему углу на графике характеристической кривой), либо делят всю шкалу рассчитанных по логистической регрессии вероятностей на интервалы и описывают их как возможные значения вероятности развития, например, ИБС за определенный промежуток времени.
Я не очень люблю для этих целей логистическую регрессию, поскольку она не учитывает время, а, как говорил Дж.М.Кейнс "В долгосрочной перспективе мы все мертвы". Кроме того у нее очевидные проблемы тем, что оцениваются отношения шансов, а не относительный риск. Поэтому лучше для построения прогностических моделей пользоваться либо моделью Кокса (в случае бинарных исходов), либо Пуассоновой регрессией. Последняя, кстати, наиболее удобна для построения шкал